Characterization and Quantification of Atmospheric Mercury Sources Using Passive Air Samplers
Notice bibliographique
Résumé
Abstract The Minamata Convention on Mercury (Hg) requires improved atmospheric Hg monitoring and characterization of Hg sources. Here we demonstrate how a network of passive air samplers (PASs) can be used cost effectively to determine the spatial distribution of gaseous Hg and estimate atmospheric Hg emissions at contaminated sites. Gaseous Hg concentrations were mapped around a former Hg mine in the Monte Amiata district in Italy using simultaneous deployments of PASs across local and regional spatial scale grids. The concentration maps help visualize with great detail and precision the dispersal of gaseous Hg from a contaminated site, revealing even subtle effects of wind, season, and minor sources. Emissions estimated from the empirical data (80 ± 40 and 150 ± 75 kg/year for October and July, respectively) were robust to changes in the most uncertain parameters (excess Hg in the air above the mine and advection rate) and compared well to previous estimates for this and other closed Hg mines. This PAS‐based approach has a number of advantages: (i) concurrent deployments of multiple samplers constrain concentration changes to spatial variability only, (ii) time‐averaged data over longer periods negate biases related to short‐term, infrequent measurements, (iii) more spatially representative estimates of Hg distributions and emissions can be made at a fraction of the cost, and (iv) use is easy, especially in difficult terrain. Time‐averaged data across a broad area are also most pertinent for assessing chronic human exposure, especially in terms of the inhalation of Hg by workers and residents living close to contaminated sites.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».